October 23, 2026
Çeviri için bir LLM ile bir AI agent arasında seçim yapıyorsanız, etiket size neyin ters gidebileceği hakkında pek az şey söyler. Tek bir LLM çağrısı, hiçbir uyarı vermeden kendinden emin bir şekilde yanlış bir yanıt döndürebilir. Bir agent doğru soruyu sorabilir, ancak attığı her adım hem zaman ekler hem de başarısız olabilecek yeni bir nokta yaratır.
"AI agent" adı genellikle üç farklı şey tarafından paylaşılır: tek bir LLM çağrısı, aynı anda birçok modeli çalıştıran bir workflow ve bir döngü içinde plan yapıp eyleme geçen bir agent. MachineTranslation.com'da her üçünü de çalıştırıyoruz. Aşağıdaki farklılıklar, bunları canlı ortamda çalıştırmaktan kaynaklanmaktadır.
LLM bir modeldir. Metni gönderirsiniz ve tek bir çağrıda metni geri alırsınız. AI agent ise bir LLM etrafında inşa edilmiş bir sistemdir. Anthropic'in mühendislik ekibi ikisini adımlara kimin karar verdiğine göre ayırır. Bir workflow'da kod adımları önceden belirler. Bir agent'ta ise LLM kendi adımlarını ve araçlarını kendisi seçer.
Bu da çeviri için üç yapı sunar. Tek bir LLM çağrısı en basit olanıdır ve bu cevabın doğru olup olmadığına dair hiçbir sinyal olmaksızın tek bir yanıt döndürür. Aynı anda birçok modeli çalıştırmak ve sonuçları karşılaştırmak gibi bir workflow, sabit bir yolu takip eder. Bir agent döngü halinde çalışır. Ne yapacağına karar verir, bunu yapar ve sonucu kontrol eder. Ayrıca devam etmeden önce kullanıcıya bir soru da sorabilir.
Tek bir LLM çağrısı tek bir adımdır. Bir konsensüs workflow'u aynı metni aynı anda birçok modele gönderir, ardından çıktıları karşılaştırır. Bir agent planlama, eyleme geçme ve kontrol döngüsüyle çalışır ve kullanıcıya bir soru sormak için durabilir.
| Tek LLM çağrısı | Konsensüs iş akışı | AI ajanı | |
|---|---|---|---|
| Adımlar | Tek bir çağrı | Aynı anda birçok çağrı, ardından tek bir karşılaştırma | Planlama, uygulama ve kontrol döngüsü |
| Zaman davranışı | Tek bir modelin gecikme süresi | Havuzdaki en yavaş model tarafından belirlenir | Her adımla birlikte artar |
| Ana risk | Hiçbir uyarı olmaksızın kendinden emin, yanlış bir yanıt | Tüm modeller aynı örtük varsayımı paylaşır | Fazladan adımlar gecikme ve yeni hata noktaları ekler |
| Ne yardımcı olur | İkinci bir kontrol | Kullanıcıya bir soru | Adım sınırları ve bir insan kontrolü |
Bir ajan, tek bir model çağrısının alamayacağı kararları ekler. Bir cümlenin resmi mi yoksa samimi mi olması gerektiğini sorabilir. Ayrıca bir terimi araştırabilir ve kendi taslağını kontrol edebilir. Bunların her biri ekstra bir adımdır ve her adım zaman ile yeni bir hata noktası ekler.
Anthropic'in rehberliği, işe yarayan en basit tasarımla başlamaktır. İyi tanımlanmış bir görev için bir iş akışı kullanın ve görev esnek kararlar gerektirdiğinde bir ajan kullanın. Biz de aynı kuralı uyguluyoruz. AI Translation Agent, yalnızca bir cümle metnin ne kadar resmi olması gerektiği gibi bir konuyu açıkta bıraktığında devreye giren ayrı bir katmandır.
Çoklu model konsensüsü, sabit bir yola sahip bir iş akışıdır. Aynı metin tüm modellere aynı anda gider. Çıktılar karşılaştırılır ve çoğu modelin üzerinde anlaştığı sürüm döndürülür. Anthropic, güveni artırmak için aynı anda birden fazla deneme çalıştırma uygulamasını paralelleştirme olarak adlandırır.
Mühendislik sorunu zamandır. 22 model ardı ardına çalışsaydı, bekleme süresi 22 çağrının toplamı olurdu. Paralel olarak çalışırlar, bu nedenle Claude veya ChatGPT içinde doğrulanmış çeviriler almaya yönelik rehberimizde açıkladığımız gibi, bekleme süresi havuzdaki en yavaş model tarafından belirlenir. Bir lansman örneğinde, beş model dört kelimelik bir ifadeyi çevirdi ve sonucu 751 milisaniyede döndürdü. Daha uzun metinler daha uzun sürer ve aynı kural geçerlidir.
Havuz boyutlarını test ettik ve 22'de karar kıldık. Daha az modelle, uzlaşma sinyali zayıflar. Daha fazlasıyla, gecikme yavaş yavaş kendini göstermeye başlar. Kullanıcı tek bir sonuç görür. Bunu hızlı kılan çalışma ise tıklamadan önce gerçekleşmiştir.
Konsensüs yalnızca modeller arasındaki anlaşmazlığı görebilir, bu nedenle her modelin aynı şekilde yaptığı bir seçimi yakalayamaz. Yaygın ifadeler üzerindeki testlerimizde, gösterilen yedi modelin tümü "good morning" ifadesini Japoncaya resmi おはようございます olarak çevirdi; bu, hiç kimsenin kullanıcıya sormadığı bir nezaket kararıydı.
Fransızca "Je t'aime" de aynı modeli izledi. Modeller tek bir çeviri üzerinde anlaştı, ancak bu ifade romantik, platonik veya ailevi sevgiyi ifade edebilir ve doğrudan çeviri hangisi olduğunu söylemez. Her model aynı şekilde yanıt verdiğinde, bir karşılaştırma adımının karşılaştıracağı hiçbir şey kalmaz.
Bu boşluk, AI Translation Agent'ın kendi katmanı olarak çalışmasının nedenidir. Yalnızca metin bunları açıkta bıraktığında hitap düzeyini, hedef kitleyi ve tonu sorar. Konsensüs, anlaşamayan modelleri yakalar. Ajan ise hepsinin varsaydığı şeyi yakalar.
Yapay zeka ders kitapları, etmenleri ne yapacaklarına nasıl karar verdiklerine göre sınıflandırır. Klasik liste mevcut girdiye tepki veren basit refleks etmenlerinden, bir sonuca yönelik planlama yapan hedefe dayalı etmenlere ve geri bildirimlerle kendini geliştiren öğrenen etmenlere kadar uzanır.
Sistem açısından bakıldığında, listedeki her bir üst basamak sürdürülmesi gereken yeni durumlar ve döngüler ekler. Çeviri en çok hedefe dayalı taraftan faydalanır, çünkü bir çeviri genellikle mevcut cümlenin içermediği bağlama bağlıdır. AI Translation Agent tam da burada yer alır. Bağlama uyan bir çeviriye doğru çalışır ve ana aracı da kullanıcıya yöneltilen bir sorudur.
Evet, çünkü nöral makine çevirisi sistemleri yalnızca diller arasında çeviri yapmak üzere eğitilmiştir; bu da onları genel amaçlı bir LLM'den farklı bir model türü yapar. LLM ailesi içindeki bazı modeller de farklı şekilde çalışır. Çoğu LLM belirteçleri teker teker üretir. Inception Labs tarafından geliştirilen Mercury, metin bloklarını paralel olarak üreten bir difüzyon dil modelidir; bu konuyu Gemma ve Mercury'nin platforma eklenmesine ilişkin yazımızda ele alıyoruz.
Bir nöral çeviri API'sinin mi yoksa bir LLM'nin mi daha uygun olduğu işe bağlıdır. Nöral bir çeviri API'si tek bir görev için oluşturulmuş bir modele hizmet ederken, bir LLM talimatları takip edebilir ve daha fazla bağlam kullanabilir. MachineTranslation.com'un motor havuzu hem geleneksel makine çevirisi motorlarını hem de LLM'leri içerir, böylece tek bir istek her iki türü de kullanabilir.
En güçlü LLM, dil çiftine ve yönüne bağlı olarak değişir, bu nedenle platform düzeyinde tek bir model seçmiyoruz. Havuzda ChatGPT, Claude, Gemini, DeepSeek, Qwen, Grok ve Mistral AI yer alıyor. Her model paralel olarak çalışır, bu sayede bir model eklemek veya değiştirmek bekleme süresini artırmaz. Belirli modellere ait kalite sonuçları, model karşılaştırma testlerimizden elde edilir.
Yapay zeka etmenleri ve asistanları, MachineTranslation.com'u bir araç olarak çağırabilir. MCP bağlayıcısı, ücretli abonelerin bunu Claude, ChatGPT, Copilot veya özel bağlayıcıları destekleyen herhangi bir asistandan kullanmasına olanak tanır. İstek, paralel olarak çalışan 22 modelden oluşan aynı havuzdan geçer ve çoğunun üzerinde anlaştığı versiyonu döndürür. Asistan için çeviri tek bir araç çağrısına dönüşür. Model karşılaştırması bizim tarafımızda kalır ve konuşmada yalnızca sonuç görünür.
Paralel çalışmayı ve etmenin sorularını kendi metniniz üzerinde görebilirsiniz. MachineTranslation.com'a bir cümle yapıştırın, modeller aynı anda çalışsın. Etmen yalnızca cümle bir şeyleri açıkta bıraktığında soru sorar.
Bir LLM, tek bir çağrıda metin alır ve metin çıktısı verir. Bir AI ajanı ise kendi adımlarını seçen ve araçları kullanan, bir LLM etrafında inşa edilmiş bir sistemdir. Yaptığı işi kontrol eder ve kullanıcıya sorular sorabilir. Çeviride bir ajan bir sonraki adımda ne yapacağına karar verirken, tek bir çağrı yalnızca bir yanıt üretir.
Ders kitapları, ne yapacaklarına nasıl karar verdiklerine göre sıralanmış basit refleks, model tabanlı, hedef tabanlı, fayda tabanlı ve öğrenen ajanları listeler. Çeviri en çok, sözlük araması veya kullanıcıya soru sorma gibi araçları kullanan hedef tabanlı ajanlardan yararlanır; çünkü bir çeviri genellikle mevcut cümlenin içermediği bağlama bağlıdır.
Evet, çünkü nöral makine çevirisi sistemleri yalnızca çeviri yapmak üzere eğitilmiştir ve genel sohbet modelleri değildir. Mercury gibi difüzyon dil modelleri yine de dil modelleridir. Çoğu LLM her seferinde tek bir token üretirken, bunlar metni bloklar halinde üretir. MachineTranslation.com hem geleneksel makine çevirisi motorlarını hem de LLM'leri çalıştırır.
Evet, çünkü bir ajan bir çeviri aracını çalıştırabilir ve sonucu kontrol edebilir; ayrıca herhangi bir sonuç döndürmeden önce ton veya hedef kitle gibi eksik bağlamları size sorabilir. Bu adımların her biri zaman ekler. İyi tanımlanmış metinler için tek bir model çağrısı veya sabit bir iş akışı genellikle daha basittir, bu nedenle ajanlar bir karar gerektiren durumlar için uygundur.
Bu işe bağlıdır; çünkü bir nöral çeviri API'si tek bir görev için oluşturulmuş bir modele hizmet ederken, bir LLM talimatları takip edebilir ve daha fazla bağlam kullanabilir. MachineTranslation.com tek bir seçim yapmaz. Motor havuzu hem geleneksel makine çevirisi motorlarını hem de LLM'leri içerir ve tek bir istek her iki türü de kullanabilir.
ChatGPT, Claude, Gemini, DeepSeek ve Qwen birer LLM'dir ve her biri çeviriyi tek bir çağrıda gerçekleştirir. Paralel bir iş akışı bunların birçoğunu birleştirir. Bir AI ajanı ise, bir cümle bunları ucu açık bıraktığında ton ve hedef kitle hakkında sorular soran MachineTranslation.com AI Translation Agent gibi, karar mekanizmalarını bunun üzerine ekler.